基于平扫CT影像组学模型预测肝血管瘤增强影像的研究

作者：马凯; 王锦淼; 黄健; 刘展弘; 穆伟斌^*

来源：现代医用影像学, 2023, 32(05): 847-851.

• 肝血管瘤
• 肝癌
• 肝脓肿
• 机器学习
• X线计算机

目的:目前肝血管瘤影像诊断主要依赖于增强影像检查技术，本文旨在利用影像组学可以获取人肉眼无法观察到的图像信息，通过肝血管瘤平扫CT图像提取影像组学特征，建立支持向量机(SVM)、K最近邻(KNN)和随机森林(RF)三种模型预测肝血管瘤增强影像表现。方法:回顾性分析于2018年10月至2022年6月从齐齐哈尔医学院附属第一医院收集的经手术病理证实的28例肝血管瘤患者(49个病灶)、22例肝癌患者(31个病灶)、10例肝脓肿患者(11个病灶)的MSCT图像(共91个病灶),将获得的患者病灶按照7:3随机设置训练组(63个病灶)及测试组(28个病灶)。平扫CT图像经预处理后手动勾画ROI,提取影像组学特征，依次采用Mann-Whitney U test、pearson相关系数法及最小绝对值收缩和选择法(least absolute shrinkage and selection operator, LASSO)对数据进行降维及筛选。最后，经五折交叉验证，采用SVM、KNN和RF模型来预测增强影像结果。建立的模型性能评价指标，通过绘制ROC曲线下面积、准确度来评估。结果:基于平扫CT图像提取得到的19个有效影像组学特征，能够有效预测肝血管瘤增强影像。SVM模型诊断效能最好，训练组AUC=0.985(95%CI 0.96-1),测试组AUC=0.988(95%CI 0.95-1)。结论:肝脏平扫CT的影像组学SVM模型能有效区分出肝血管瘤，对于临床诊断具有指导意义。

• 单位
  齐齐哈尔医学院